有很多类型的歌词文件带有时间标签，如市面上几乎所有的播放器都支持的LRC，以下是辛晓琪《领悟》这首歌LRC的一部分：
[ti:领悟]
[ar:辛晓琪]
[00:00.00]辛晓琪 领悟
[00:01.00]我以为我会哭
[00:05.00]但是我没有
[00:09.00]我只是怔怔望着你的脚步
[00:14.00]给你我最后的祝福
[00:19.00]这何尝不是一种领悟
[00:23.00]让我把自己看清楚
[00:27.00]虽然那共爱的痛苦
[00:30.00]将日日夜夜
[00:32.00]在我灵魂最深处
……
可以看出，LRC歌词的时间标签标注了某句歌词的开头（实际上是可以给每个字加上标签来实现卡拉OK效果的，由于成本太高，所以目前的播放器都是采用标识整句，均分到字的方式），下面来计算每个字所占用的时间：
两个相邻时间标签的时间差值/该句歌词字数=每字时长
通常在歌曲的副歌或是说高潮（也就是我们对这首歌最熟悉的部分，如《领悟》里的“啊！多么痛的领悟，你曾是我的全部”）出现的之前，会有一小段纯音乐的过渡，这段过渡会计入上一句的时长里，影响到每字时长的计算，使计算得到的每字时间变长，为了减少误差，当歌曲某一句的每字时长明显超过其他句每字时长的时候，抛弃该句的计算值。这样，我们就获得了《领悟》这首歌曲的人声分布区域、全曲平均每字时长、单句每字时长这三个数据，接下来利用这三个数据来形成推荐相似歌曲的基础。
1、人声分布区域，这是一个时间段的概念，结合全曲时长，来获得人声演唱的相对时间段。曲风、旋律、节奏相近的歌曲，在人声分布区域上也是相近的（凤凰传奇的歌应该是比较明显了）。
补充：也可以不抛弃计算值，只保存单句每字时长明显超过其他句每字时长的那几句歌词，这几句多半就是副歌开始及歌曲最后的抒情。
2、全曲平均每字时长，这与歌曲的节奏是一致的，通过节奏把歌曲分类为慢、偏慢、偏快、快四个类型或是更多类型，就能实现谷歌音乐挑歌功能里的按节奏挑选。
3、单句每字时长，这描述的是单位时间里歌词的密集程度，用一个图来说明意义（没精确算，只说明思路），如下：
横轴是全曲的时间轴（刻度是相对时间，如全曲的1/50），纵轴是歌词密集程度，越密集值越大，如果在歌曲中有一段rap，那么在图中就会出现一个尖锐的波峰。在相似歌曲的推荐中，就可以采用常见的波形相似性算法了。
注：简化一下，横轴的刻度是“句”，纵轴参数是每句歌词密度，就形成了一个波形图，与时间无关，有利于不同时长歌曲的匹配。
如果所处理的歌词是KMC格式，能更准确的获得每字的时长，可以更精确表现人声分布区域及节奏。下面是一个KMC格式歌词，引自百度百科KMC词条：
有一个美丽的小女孩
她的名字叫作小薇
t 属性(time) 表示行内容对应的时间组，用英文逗号,隔开
前两个时间值为行开始和结束时间，格式为：分:秒
后面的时间值对应为行内每一段经历的时间，单位：毫秒
最后，这个推荐模型的歌曲相似性所描述的是曲风、编曲节奏相似的歌曲。
